PROFILPELAJAR.COM

A zenei kogníció a zenei jelenségeket támogató mentális folyamatok megértésének interdiszciplináris megközelítése. A pszichoakusztika és az érzékelés területéről ered. Az emberek zenei felfogásáról szóló kognitív elméletek magukba foglalják az idegtudományt, a zeneelméletet, a zeneterápiát, a számítástechnikát, a filozófiát és a nyelvészetet.

Történet

A zenei kogníciót az 1980-as években ismerték fel, mint tudományágat, a Society for Music Perception and Cognition, a European Society for the Cognitive Sciences of Music, és a Music Perception című folyóirat megalakulásával. A zenei kogníció azt kutatja, hogyan érzékeli az elme a zenét, amit hall. Ehhez kapcsolódóan foglalkozik azokkal a kognitív folyamatokkal, amelyek a zenészek előadása közben aktiválódnak. Ahogy a nyelv, a zene is egyedi emberi jelenség, amely kétségkívül központi szerepet játszott az emberi megismerés kezdeteiben. Azt, hogy a zene milyen kognitív kérdéseket világíthat meg, kevéssé vizsgálták, sőt, másodlagos fontosságúnak ítélték. A zenei kogníciót egyre inkább elismerik, mint a megismerés teljes megértéséhez nélkülözhetetlen tényezőt, így mind fogalmilag, mind módszertanilag hozzájárulhat a kognitív tudomány fejlődéséhez.

A tárgyhoz tartozó témák többek között az alább felsoroltak:

A hallgató csoportstruktúra észlelése (motívumok, frázisok (zenei gondolatok), zenei részek)
Ritmus és ütem (észlelés és produkció)
Hangnem inferencia^{[m 1]}
Elvárás (beleértve a dallamelvárást (en: Melodic expectation))
Zenei hasonlóság
Érzelmi, affektív, vagy arousal reakció
Kifejező, zenei előadás

A kognitív zeneelmélet néhány szegmense azt írja le, hogyan észleli a hallgató a hangokat. A hangok észlelésével foglalkozó tudományág a pszichoakusztika, a hangok zeneként való értelmezésével foglalkozó terület pedig zenei kognícióként ismert.

Az 1970-es években a zene akusztikus és perceptuális tulajdonságai miatt szerepelt tudományos kutatásokban, olyan viszonylag új keletű tudományterületeken, mint a pszichofizika és a zenepszichológia. A zenetudósok sokat kritizálták ezeket a kutatásokat, mondván az érzékelés és észlelés alacsony szintjeire koncentrálnak, gyakran szegényes ingereket használva (pl. kisebb ritmustöredékek), illetve csak a nyugati klasszikusok repertoárjára szorítkoznak, valamint figyelmen kívül hagyják a zene tágabb szociális és kulturális kontextusban kifejeződő szerepét. Habár, a kognitív forradalom felhívta a kutatók figyelmét ennek az aspektusnak a fontosságára.

Visszatekintve, húsz évvel ezelőtt a zenét vagy egyáltalán nem említették a pszichológia könyvek, vagy csak a hangmagasság- és ritmusészlelés alfejezetében szerepelt. Mára felismerték fontosságát a látás és a nyelv mellett, mint olyan információban gazdag forrás, amely a kogníció olyan különböző aspektusainak vizsgálatát teszi lehetővé, amelyek képesek pszichikai folyamatok (elvárások, érzelmek, észlelés és emlékezés) aktiválására, illetve terápiában való alkalmazásra. A zenetudósok és kutatók szerepe az utóbb említett területen nagyobbnak tűnik, mint valaha. Elképzelhető, hogy a zenei kogníció kiemelkedő tudományággá fejlődik, hozzájárulva az élet egészének jobb megértéséhez és irányításához.

Az utóbbi évek kutatásai

Az utóbbi évek kutatási^[1] (számítógépes idegtudomány) törekvéseinek eredménye például a szilícium retina és a Henry Markram vezette Blue Brain projekt, amelynek célja az agyműködés molekuláris szinten történő digitális modellezése. A hallás - ezen belül különösen a zene - területén végzett neurológiai kutatások kezdenek felzárkózni a látáskutatás eredményi mellé. A Brain Computer Interface (BCI) és az agyi képalkotó eljárások (például EEG) gyors fejlődése szintén hozzájárult a zenekutatás előrehaladásához. A képalkotó eljárások lehetővé teszik, hogy a zenével kapcsolatos agyi folyamatokat közvetlenül vizsgálják, pszichológiai kísérletek és az alanyok szóbeli visszajelzéseire való hagyatkozás helyett.

Az utóbbi évek kutatásai többek között az alábbi területeket érintették:

zenei képességek veleszületettsége
magzatok zeneészlelése (magnetoenkefalográfiás^{[m 2]} vizsgálatok)
dallamok előrejelzése és generálása Bayes-hálók, klaszterezés, ritmikus önhasonlóság és speciális dallam-reprezentáció kombinációjával (Paiement et al., 2006)^[2]
hangmagasság, hangszín és ritmus megkülönböztetése újszülötteknél (Stefanics et al., 2007)^[3]
zenei időzítés észlelése és a mozgástervezés közötti összefüggések
az aktív tanulás szerepe a hangok meghatározott kritériumok alapján történő csoportosításábban (Adiloglu et al., 2008)^[4]
Bayes-hálók alkalmazása a dallamelvárás, ritmusfelismerés és egyéb zenei jelenségek területén
automatikus műfaji besorolás vizsgálata szimbolikus megközelítésből (olyan technikákkal, mint például a sztochasztikus nyelvi modell, amit sikerrel alkalmaztak a *szövegkategorizáció vizsgálata során) (Pérez-Sancho et al., 2008)^[5]
funkcionális főkomponens-analízis (functional principal component analysis, FPCA) alkalmazása a kvantitatív zenei előadásmód elemzésben (Almansa, Delicado, 2009)^[6]
komplex zenei művek létrehozásának modellje (Hoover, Stanley, 2009).^[7]

Fordítás

Ez a szócikk részben vagy egészben a Music cognition című angol Wikipédia-szócikk fordításán alapul. Az eredeti cikk szerkesztőit annak laptörténete sorolja fel. Ez a jelzés csupán a megfogalmazás eredetét és a szerzői jogokat jelzi, nem szolgál a cikkben szereplő információk forrásmegjelöléseként.

Megjegyzések

↑ inferencia: következtetés, következmény, dedukció
↑ magnetoenkefalográfia: az EEG-hez hasonló eljárás, amely az agy mágneses aktivitását regisztrálja

Források

↑ Purwins, H., Hardoon, D. (2009). Trends and perspektives in Music Cognition Research and Technology. Archiválva 2020. június 26-i dátummal a Wayback Machine-ben Connection Science, 21(2-3). 85-88.
↑ Paiement, J-F., Eck, D., Bengio, S. (2006). Probabilistic Melodic Harmonization.^{[halott link]} Lecture Notes in Computer Science, 4013/2006. 218-229.
↑ Stefanics, G., Háden, G., Huotilainen, M., Balázs, L., Sziller, I., Beke, A., Fellman, V., Winkler, I. (2007). Auditory temporal grouping in newborn infants. Psychophysiology, 44(5). 697-702.
↑ Adiloglu, K., Annies, R., Henrich, F. F., Paus, A., Obermayer, K. (2008). Geometrical Approaches to Active Learning.^{[halott link]} Autonomous Systems Self-Organization, Management, and Control, Springer, pp. 11-19.
↑ Pérez-Sancho, C., Rizo, D., Kersten, S., Ramirez, R. (2008). Genre classification of music by tonal harmony. Archiválva 2012. március 25-i dátummal a Wayback Machine-ben International Workshop on Machine Learning and Music, Helsinki, Finland.
↑ Almansa, J., Delicado, P. (2009). Analysing musical performance through functional data analysis: rhíthmic structurse in Schumann's Traumerei.^{[halott link]} Connection Science, 21(2-3). 207-225.
↑ Hoover, A. K., Stanley, K. O. (2009). Exploiting functional relationships in musical composition.^{[halott link]} Connection Science, 21(2-3). 227-251.